خوشهبندی انتشار وابستگی
انتشار وابستگی، که توسط برندان فری و دلبرت داک در سال ۲۰۰۷ معرفی شد، یک الگوریتم خوشهبندی است که با تبادل پیام بین هر جفت نقطه تا زمانی که مجموعهای سازگار از خوشهها پدیدار شود، «نمونههای» نمایانگر را در میان دادهها شناسایی میکند. برخلاف k-means، نیازی به تعیین تعداد خوشهها از قبل ندارد - آن تعداد از دادهها و یک پارامتر «ترجیح» حاصل میشود - و مستقیماً از شباهتهای دوتایی کار میکند که لزوماً نباید یک متریک باشند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Frey, B. J., & Dueck, D. (2007). Clustering by passing messages between data points. Science, 315(5814), 972–976. DOI: 10.1126/science.1136800 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Affinity Propagation Clustering. ScholarGate. https://scholargate.app/fa/machine-learning/affinity-propagation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- دیبیاسکنیادگیری ماشین↔ compare
- خوشهبندی سلسلهمراتبییادگیری ماشین↔ compare
- خوشهبندی K-Meansیادگیری ماشین↔ compare
- خوشهبندی طیفی (Spectral Clustering)یادگیری ماشین↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →